pandas常用的数据分析函数（一）

（1）查看数据函数

当收集到某一csv文件数据时，常用的查看函数

	inspect_dataset(df_data)

 def inspect_dataset(df_data):
     """
            查看加载的数据基本信息
     """
    print '数据集基本信息：'
    print df_data.info()
    
    print '数据集有%i行，%i列' %(df_data.shape[0], df_data.shape[1])
    print '数据预览:'
    print df_data.head()

 此函数传进的参数df_data为一DataFrame文件，其他文件需要相应的格式转化

（2）处理缺失数据函数

  当数据文件中有缺失数据时，用此函数处理Na数据：

def process_missing_data(df_data):
    """
            处理缺失数据
    """
    if df_data.isnull().values.any():
        # 存在缺失数据
        print '存在缺失数据！'
        df_data = df_data.fillna(0.)    # 填充nan
        # df_data = df_data.dropna()    # 过滤nan
    return df_data                     	#返回数据

    #return df_data.reset_index()     #此为返回重置索引

  此函数传进的参数df_data扔然为一DataFrame文件，其他文件需要相应的格式转化，

 当需要直接过滤时时用df_data.dropna(),

 当需要填充为数值或字符串时用df_data.fillna(0.)

 当需要返回数据时用return df_data

 当需要返回其处理后数据的重置索引时，用reset_index()